商业数据分析——连单和连单品牌

Market Basket Analysis,简称MBA,直译为商业购物车分析。在零售行业,我们需要大量的客户行为信息来判断以及预测顾客的消费行为,在智能化已经满天飞的今天,很多线下商业环境还秉持着保守的作风,在预计销售指标的传统作业中,仍然依靠经验判断显然已经不符合变化如此之快的行业形势。本文将针对于商业智能化的前提——数据挖掘中的消费连单进行一个简单的分析。

关于连单率是衡量商业体品牌结构和货品深度的一大直观衡量标准,针对于客群的准确定位会无上限的增加销售业绩。我们通常想要知道的是哪些客人可能会在单日多次消费,又有哪些品牌更会促进连单消费。

那么首先要问自己几个问题:

1、我们是否应该在产品层面或类别层面进行分析?

2、哪些是客户一起购买的产品?

3、如果产品“A”销售推动产品“B”销售,我们可以得出结论吗?

4、考虑到客户购买了一个产品或一组产品,需要推荐什么产品?

我们首先要解决一个大问题:在顾客购买A时怎么知道他也购买了B?一般的企业都有IT同事,他们都有交易记录查询的权限,可以通过水单号、会员卡、日期、银行卡号等很多办法来确认连单情况,这是属于数据摘取和清洗过程,是非常繁琐和困难的,一般数据格式化的时间会占用整个分析过程的60%以上的时间,且必须由人工来判断和完成。

过程不多说了,总之很繁琐也很辛苦。在进行初步筛选之后我拿到了第一笔数据:

1、VIP会员的连单率要比普通顾客要高(VIP可能发生连单13.7%、普通顾客可能发生连单6.97%)

2、总交易中,有27.8%的交易来自于连单交易,而VIP会员的连单交易占57.4%

3、VIP会员约占总交易的60%

结果是很有意思的,客人会不知不觉的购买一些商品。我在上一篇《

原来如此的消费周期

》中说到,平均45~60天会有一个忠实顾客回店消费,且会保证在年平均客单价以上,其中女性要比男性的回店频次更稳定。那么都有哪些商铺会产生连带交易呢?

在阐述下面分析结果之前,首先需要介绍几个概念:衡量品牌间影响力有几个重要的参数,他们分别是:

Support(支持度)=

同时购买A和B两种商品的交易笔数 ➗ 总交易笔数

支持度:支持表示与产品组合的交易百分比。 这是检查是否有足够交易支持该规则的重要指标。

Confidence(置信度)=

同时购买A和B两种商品的交易笔数➗A商品的总交易笔数

ExpectedConfidence(预计置信度)=

购买B商品的交易笔数➗总交易笔数

置信度:为了衡量关联规则的质量,使用了另一个度量置信度。 支持一个产品购买的条件的规则的比较。

Lift (梯度) =

置信度➗预计置信度

梯度:是衡量规则的重要因素。 它将规则的可信度与预期的自信相比较。 所以,Lift的价值越高的规则越好。 接近1的值为符合连单效果

以下结果采自2017年某商场全年消费情况:

“ - ” 符号的左右代表了两个品牌的关联程度,原来的报表为A ->B,即购买A品牌之后可能购买B品牌的情况,但为了简化效果,我将该部分的结果变为 A B,即同一个客人在同一天内同时购买两个品牌的情况。

最高的是Puella 和 La chapell组合,由于数量很多,我只列出了前20位。也就是说这些品牌连单购买组合是比较常见且较为明显的。

置信度组合中,Puella - La chapell 仍然高居榜首,但数值上看他的连单置信度要比其他品牌品牌组合更高。而低于0.01的组合则需要根据实际情况进行更稳定的推荐消费。

除去最高的表现之外,Premiata-Philips组合占据了第二的位置,我有点儿不能理解,但数据分析往往可以打破我们的传统观念;其次是玺龙-红古尔,婷美-千百莉,ELAND-维尼熊,这些梯度值均高于1,之后的牌子在临近值1的范围内。

高于1或在1临近的组合,表明预期连单消费和连单实际达成的规则完整,在过去的时间段内拥有不错的反馈度,甚至已经完成了客户习惯的培养;而其余低于0.5的品牌组合,虽然产生过连单消费,但并不稳定,可能还在处于客人习惯的培养当中。

那么全年总共的品牌连带消费组合是和交易量是什么样的呢:

以上为分析结果,欢迎指正。

P.S. 以上分析仅为粗略的概述,分析过程经过了长时间的数据清洗以及大量的数学运算,这一组数据实际为65万行,即65万笔交易记录,因此我使用了Python和R语言交互做分析,类似量级的分析如果用Excel来完成是会非常辛苦的。

数据分析是一个痛苦而缓慢的过程,需要分析人员有强烈的热情和极大的耐心,也欢迎下面留言交流。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180313G17EWN00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券